隨著新一輪技術革命的到來,制造商開始思考工業4.0模式,利用物聯網、大數據技術提升效率和增加收益。云計算和人工智能技術的進步,使得世界各地的制造系統和技術水平達到了一個新的高度。不過,雖然全球制造業都在積極轉型智能制造,但仍然存在許多問題,阻礙工廠車間的優化、效率提升甚至導致安全隱患。
制造商在升級之前必需了解清楚,實現工業4.0要解決哪些問題,最終目的是要獲得哪些功能價值。新一代信息技術可以幫助企業提升生產力,為管理者提供富有遠見的洞察力,認識車間哪些因素可能會降低效率,會對公司的業務產生負面的影響,越來越多的智能制造平臺在實現這樣的功能。
工業4.0將使工廠變得比以往更加智能,但不代表通過自動化、大數據、物聯網和云計算技術就能達到想要的效果。企業在升級過程應該把重點放在發出問題和解決問題上,并讓員工參與到這個變革中,以理解必須采取哪些措施,才能讓這些創新技術解決方案發揮出最大的潛力。
今天的工業物聯網將生產過程的所有對象,包括機器設備、人和計算機連接起來,采集大量來自車間底層的數據,用于機器的健康監測、預測性維護、診斷分析、流程優化等,企業也將可能利用機器學習來處理和分析數據,獲得更多可靠的見解。但在進行數字化過程中,工廠需要認識清楚一些關鍵的問題。
設備故障可能引發災難
任何工廠設備都不可能一直運行下去,并保持同樣的生產效率。當機器設備老化或者失效時必將導致生產的延遲,或者需要進行停機維護,同時也可能會嚴重影響員工的安全和業務的效益。
此外,工廠必需保證交付時間,機器故障引發的是一種災難,為了按照市場需求的速度繼續生產,公司可能不得不外包業務來滿足生產需要,這可能是非常昂貴的。最終讓企業付出更多成本,甚至有可能虧損。
總體而言,由于數據轉換的復雜性和數據訪問的復雜性,要獲得正確的見解,前提是取得正確的數據,采集來的數據需要經過篩選和清洗。不過,傳統設備過于老舊,有時無法獲得合適的數據,這些都可能會成為制造商數字轉換的障礙。
系統地收集和挖掘數據
工廠的日常運營不只是制造那么簡單,從產品設計到原料采購、生產加工、測試、物流等,每一個環節都可以影響企業效益。為了使工廠有更高的效率,生產管理者每天都要對庫存、供應、交付、質量、生產、客戶支持、處理和日常管理等信息進行分析、監控和更新。
正確的流程分析和創建強大的數據模型,可以指導操作人員如何優化產線性能,為提升生產質量和機器正常運行時間提供指導。機器學習可實現智能過程控制,從而自動甚至自主地考慮所有關鍵變量和相關修正。
通常來說,生產人員日常工作表現、生產表單以及機械設備的數據等都需要收集,這些數據對務決策極為重要。如果沒有一個有效的系統,運營經理及其團隊會浪費大量時間去收集數據,才能獲得這些對做出關鍵業務決策至關重要的必要信息。
信息可靠性是一個關鍵
生產過程的數據通常是復雜而混亂的,如果數據不可靠,那可能很多工作都是白忙。數據分析本身為了給管理者決策建議,如果產生了錯誤的結論,那么公司可能作出錯的選擇,可能最終選擇最具阻力的路徑,以及進行了復雜的運營流程,最終導致資源浪費或濫用。
此外,由于某些設備既是自動化又是手動的,這意味著還有一層復雜性,操作人員在進入時必須密切關注可操作的數據。那么,手動輸入數據很容易出現人為錯誤,這可能會導致由誤導性信息產生更糟糕業務決策。
錯誤的數據會給生產經理帶來許多困擾,例如不準確的KPI數據,管理者無法了解真實的情況,就不能進行下一步的優化。所以只有使用準確數據,才可以有效地做出決策。
知識流失影響公司效率
穩定熟練的工人是維護工廠效率的保障,很多企業會不斷有老員工流失,新員人交替的過程會影響到公司的效率。當企業失去頂尖人才或者員工退休,那些多年的經驗也跟著員工離去,企業可能需要外聘專家,或者長期積累才能形成成熟的生產系統。
還有一點,新員工入職時,通常會由老員工進行數小時的培訓,然后快速上崗。但許多公司沒有內部資源和正確培訓,這樣就增加了操作錯誤的可能性,新員工可能執行未經批準動作,而造成公司的損失。熟練工人的流失和新人過度階段,都會對整個公司的效率和生產力水平產生影響。
如何保證一家工廠持續穩定的運行,技術工人和知識經驗都很關鍵,企業應該建議完善的知識培訓體系,讓員工在工作中可以不斷學習和提升個人水平。企業可以通過云服務器建立知識庫,當員工在工作遇到問題時,可以隨時隨地獲得相關的知識支持。
-
物聯網
+關注
關注
2909文章
44567瀏覽量
372828 -
智能制造
+關注
關注
48文章
5551瀏覽量
76319 -
工業4.0
+關注
關注
48文章
2012瀏覽量
118605
原文標題:觀察|工業4.0轉型升級需要注意哪些問題?
文章出處:【微信號:ofweekgongkong,微信公眾號:OFweek工控】歡迎添加關注!文章轉載請注明出處。
發布評論請先 登錄
相關推薦
評論